亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

自航空出現以來，技術一直在改變著空戰的面貌。20 世紀 70 年代微電子技術的進步使空戰更具殺傷力和決定性，正如 20 年后 1991 年海灣戰爭的巨大成功所證明的那樣。蘇聯解體后，空中優勢立即成為美國大戰略的工具之一，確保了其對領空和大氣層外空間幾乎無可爭議的統治地位。

為了對抗這種不對稱優勢，俄羅斯等建立了反介入和區域拒止（A2/AD）態勢，主要目的是對抗西方空軍相對優勢，但已逐漸演變為以遠程打擊、防空和反太空資產為基礎，并以網絡戰和電子戰（EW）為手段，建立庇護工具。

烏克蘭戰爭的緊張局勢清楚地表明，國家間的競爭進入了一個以缺乏對使用武力的限制、技術水平的提高和對共同空間的爭奪為特征的時代。在這一新的戰略背景下，對不同環境控制權的爭奪正悄然表明空中力量以其主要形式的回歸，即使用武力實現或爭奪對領空的控制權。與空中環境對抗相伴的技術動態提出了新興技術及其可能對空戰造成的潛在破壞的問題。本文擬通過概述航空航天行動的未來，對此提出一些見解。

C4ISR 架構和電磁頻譜控制：空戰的新焦點

烏克蘭沖突中明顯缺乏空中優勢可能會讓人錯誤地認為，未來的高強度交戰可以在沒有空中掩護的情況下進行。然而，面對日益增長的威脅，掌握制空權比以往任何時候都更加重要。首先，因為沒有空中掩護，地面部隊很容易遭到敵人的轟炸，而且空中力量是 C4ISR 鏈中的重要一環，即使在困難的電子戰環境中也能進行深入打擊。在未來可能發生的沖突中，獲得暫時的空中優勢對于在多域作戰（MDO）框架內形成局部 "超優勢氣泡 "仍然至關重要。特別是，空中力量將是多傳感器和多效應器網絡中的一個環節，它將為敵方提供作戰優勢。空中力量非但不會被邊緣化，反而會不斷擴大，以滿足質量和數量優勢、電磁頻譜指揮、MDO 集成和互操作性等方面的需求。

為了應對這些挑戰，對抗 2014 年已達到技術均勢的對手，美國推出了 "第三次補償戰略"，利用其技術優勢，從人工智能（AI）和機器人領域的進步中獲益。這一補償戰略尤其依賴于新興能力與新使用概念的結合，其核心是無人機和自主系統的使用。與任何戰略一樣，它也有辯證的因素，因為俄羅斯等大國的裝備戰略可被解讀為對抗美國第三次抵消戰略的運動。由于 C4ISR 架構和連通性在美國作戰概念中的重要性與日俱增，莫斯科等試圖增強其反 C4ISR 和電子戰能力。在智能化戰爭方法中，人工智能、云計算和蜂群作戰等技術將發揮重要作用，甚至改變勝利條件本身。

2040 年的航空航天行動：顛覆性技術的有利環境

要充分考慮新興技術和顛覆性技術對空戰的影響，就必須勾勒出清晰的輪廓。首先，需要考慮戰略文化、國家創新體系和可能的交戰場景，同時整合當前的能力趨勢和現有的作戰命令。其次，需要設定一個足夠遙遠的遠景，以便現在仍在出現的技術能夠達到必要的成熟度，從而對空中力量的使用產生重大影響。反之，必須將那些發展過于不確定或其預測成熟度將超出合理范圍的技術排除在外。因此，2040 年似乎是一個明智的選擇。第三，由于空中力量有不同的方面，而且它有助于實現部隊和政治力量所要求的效果，因此似乎應該把重點放在技術密集程度最高的任務上。這并不意味著空中力量其他應用領域的技術中斷不會產生重大的戰略影響，而是說技術構件及其在未來作戰環境中的多重互動構成了可能導致出現新的使用概念和大幅提高戰場軍事效率的因素之一。

到 2040 年，最新一代空戰系統的首批作戰能力應該已經公布。到那時，美國也將把 "下一代空中優勢"（NGAD）計劃及其配套的無人機（被稱為 "協同作戰飛機"）納入其庫存，它們將與大約 225 架 B-21 一同服役。屆時，高超音速巡航導彈、反 IADS 導彈和超遠程空對空導彈將擴大空載彈藥的范圍。它們將為美國空軍提供相當于歐洲Meteor、俄羅斯 R-37M 和中國 PL-17 的導彈，估計射程約為 400 公里。

歐洲人及其合作伙伴將開始使用來自全球空中作戰計劃（GCAP）和未來空中作戰系統（FCAS）的首批裝備及其相關無人機。

預計俄羅斯將有不少于 76 架蘇-57 "費倫 "隱形戰斗機和蘇-70 "奧霍特尼克-B "戰斗無人機加入其武器庫。

屆時，各種型號的殲-20 和殲-31 也將在中國空軍和海軍服役。各種各樣的無人機可能會為這一戰斗機群錦上添花，為中國提供全新的能力。WZ-8超音速偵察無人機、GJ-11、WZ-3000和FH-97隱形作戰無人機、FH-95電子戰無人機以及WZ-7 "翔龍 "和 "神鷹 "等高空長航時（HALE）偵察無人機都值得一提。后者有一個雙層機身，機身上裝有一個低頻雙靜態雷達，有可能用于探測隱形飛機。這也將改變美國對武裝對抗代價的戰略計算。決不能忘記衛星群在每個戰略競爭者的 C4ISR、目標定位和預警方面所發揮的主導作用。

航空航天領域新興和顛覆性技術

在這種戰略環境下，新興技術和顛覆性技術會帶來什么？在確定其前景之前，首先需要了解它們是什么，然后再看它們能給空戰帶來什么變化。新興技術和顛覆性技術有多種定義。歐洲防務局（EDA）和北約就新興技術和顛覆性技術（EDT）的主要應用領域達成了一致，但在解釋上有所不同： 歐洲防務局認為，這些技術將在一兩代人的時間內導致戰爭方式的根本改變，而北約則將破壞性技術與新興技術區分開來。此外，北約還補充說，這些技術可能結合在一起，導致顛覆性應用的發展，并與智能、互聯、分布式數字系統交叉連接。盡管如此，這些詞匯并沒有為這些技術在航空航天領域的顛覆性潛力提供一個實用的視角。因此，不得不求助于其他更具操作性的分類方法，詳細說明技術構件本身。《關鍵技術追蹤》已統計出 44 項，而其他分類則統計出近 200 項可能在未來三十年影響軍事安全的技術。在法國，2022 年國防創新政策參考文件詳細介紹了新興國防技術：量子探測器（如超穩定微型微型原子鐘和頻譜分析儀）、隱形材料、彈道防護、高溫材料、功能性紡織品、制造添加劑、雷達處理、新光電技術（如激光源）、主動式 3D 圖像和能源效率等。

似乎正在演變的航空航天作戰環境是軍事能力轉型復雜動態的一部分。其趨勢是減少火力和防護，以提高速度、射程和精確度，以及有助于贏得探測和規避競爭的能力。因此，可以根據新興技術和顛覆性技術對空中力量以下特征的潛在影響對其進行任意分類：速度、射程、精確度、探測、規避、飽和度、電磁頻譜指揮和力量生成。下表列出了新興技術和顛覆性技術在未來航空航天活動中的可能用途。

表1:用于空戰的新興和顛覆性技術的非詳盡表

雖然不可能對表中所示的每種情況都進行詳細說明，但很明顯，其中一些技術破壞有可能極大地改變空戰的面貌。正如新型材料和推進手段的開發將提高航程、精度和速度一樣，人工智能、自主系統和連通性也將有助于加快交戰周期。它們將共同提升人類決策者在人機協作中的重要性。在這種情況下，人工智能將從能夠收集、計算、解釋、共享并在人類設定的參數限制內采取行動的智能體分布式網絡中產生一個敏捷的群體。

新美國安全中心（CNAS）副總裁兼科學主任保羅-夏爾提醒我們，在數字時代，軍事力量的衡量標準已經發生了變化。艦艇、飛機、坦克和地面部隊仍然重要，但更重要的是它們的數字化能力：探測敵情的傳感器、數據處理算法、傳輸信息的網絡、做出決策的適當 C2（指揮與控制）以及打擊目標的智能彈藥。日本采辦、技術與后勤局（ATLA）GCAP 計劃負責人 Masaki Oyama 將軍指出，雖然綜合通信系統（ICS）和機載電子設備（綜合傳感與非動能效應--ISANKE）的成本可能達到計劃總成本的 25%（而前幾代計劃的成本約為 10%至 15%），但它們對系統整體軍事效能的貢獻可能超過 50%，這就是正在進行的轉型的證明。

隨著 2023 年 3 月 "陣風 "F4.1 標準的認證，空天軍也站在了當前變革的前沿。據說，這一標準尤其能提高數據交換能力，更好地防范網絡威脅。法國現在正站在進入聯網協同作戰時代的前沿，從而為實現 FCAS 鋪平道路。

面對日益加劇的威脅，必須以敏捷性、反應能力和應變能力作為使用空中力量的戰略思想的指導。例如，美國 "敏捷戰斗部署"（Agile Combat Employment）等新后勤概念的發展，可以使部隊的組建和部署更具反應性。在這方面，新興技術也將起到決定性作用，需要在有利于作戰、技術和后勤互操作性的整體方法中加以考慮。

最后，應該牢記的是，任何創新都是技術、用途和意愿三者結合的結果。因此，未來空中作戰的勝利既取決于飛行員對新興技術的運用，也取決于部隊是否愿意進行必要的轉型，以適應新的戰爭現實。在未來的沖突中，數字化轉型將是現代化挑戰的核心，因為它是最具顛覆性技術的催化劑。未來空軍的作戰優勢將取決于此。

參考來源：Rapha?l BRIANT，法國國際關系與戰略總局（DGRIS）

包括機器人、人工智能和無人機在內的軍事技術進步正在改變戰爭。目前，人工智能可用于監視、預測分析和戰斗支援等。然而，由于這項技術在軍事領域的潛在利用和操縱，出現了道德問題。在這種情況下，人工智能的發展可能導致地緣政治緊張局勢和軍備競賽，從而增加不穩定。從這個角度來看，謹慎監管和遵守國際人道法對于負責任的部署至關重要。

引言

眾所周知，軍事技術在歷史上發生了重大變化，創新和進步改變了戰爭的方式。在此背景下，軍事技術繼續快速發展，機器人、人工智能、無人機等領域的不斷發展，塑造了戰爭的未來。

目前，人工智能（AI）有可能在提高士兵的戰斗能力方面發揮重要作用。據報道，自俄羅斯全面對烏行動以來，人工智能已被用于分析不同類型的數據，以加強決策和為目標提供信息，處理敵人的通信、面部識別技術和網絡防御，僅舉幾例。在這種情況下，人工智能在俄烏沖突中產生了一些影響，人工智能驅動的面部識別軟件還可以讓烏克蘭執法機構和記者識別俄羅斯士兵。

然而，重要的是要注意，雖然人工智能有可能徹底改變軍事行動，但它也引發了道德方面的考慮。因此，當今圍繞人工智能的最復雜的全球治理挑戰涉及其在國防和安全方面的應用。

目前，有聲音認為，人工智能在戰爭中的開發和使用應以謹慎監管和遵守國際人道法為指導，以確保負責任和負責任的部署。全球應努力建立強有力的規范，以促進人工智能和自主系統的負責任軍事使用。

人工智能的軍事應用

如今，人工智能正在顛覆軍事領域。據文獻報道，該技術可以通過多種方式部署在軍事行動中。在此上下文中，其中一些用途涉及以下問題：

-監視和偵察：人工智能驅動的無人機和衛星可以提供有關敵人行動的實時情報，使士兵能夠就自己的定位和戰略做出明智的決定。

• 決策支持：人工智能算法還可以通過分析大量數據、考慮各種因素并生成可操作的見解來幫助指揮官快速做出決策。這可以大大增強態勢感知能力并實現更快的響應時間。

• 戰斗支援：人工智能驅動的機器和機器人系統可以執行危險任務，例如爆炸物處理（EOD），從而降低人的生命風險。此外，這些系統還可以支持風險活動，例如在戰場上營救受傷的士兵。

• 預測分析：人工智能可以分析大量數據，包括情報報告、監控錄像和社交媒體帖子，以預測潛在威脅并識別模式。這可以幫助軍事戰略家做出明智的決策并為各種情況做好準備。

• 自主武器系統：人工智能可用于開發自主武器平臺，無需人工干預即可識別和打擊目標。這些系統可以大大提高軍事行動的有效性和效率。

• 虛擬訓練和模擬：人工智能可用于創建逼真的虛擬訓練環境和模擬，以提高士兵的技能和戰備狀態。通過模擬各種戰場場景，士兵可以針對不同情況進行訓練，提高他們在壓力下的戰術能力和決策能力。

• 后勤和供應鏈管理：人工智能驅動的后勤系統可以優化部隊、設備和物資的流動，確保高效部署并最大限度地減少停機時間。

• 網絡安全和反情報：人工智能算法可以實時檢測和響應網絡威脅，增強軍事網絡和系統的網絡安全。此外，基于人工智能的反間諜方法還可以通過分析大量數據和檢測異常來幫助識別潛在的漏洞和滲透。

人工智能在軍事領域的影響

目前，在軍事領域使用人工智能有幾個后果。眾所周知，人工智能在戰爭中的影響是復雜的，需要持續的對話和國際合作，以確保負責任和負責任的使用。在這種情況下，其中一些后果如下：

• 提高效率和準確性：人工智能可用于自動化各種軍事任務，從而提高決策、瞄準、戰略規劃和增強戰場能力的效率和準確性。這可能導致更快、更有效的軍事反應。

• 倫理考慮：在戰爭中使用人工智能引發了倫理問題。配備人工智能的自主武器系統可能會在沒有人為控制的情況下執行行動。誰應對人工智能武器的行動負責的問題變得復雜，引發了關于問責制和潛在侵犯人權行為的辯論。

• 不對稱性增加：先進的人工智能技術可能會擴大擁有人工智能能力的國家與無法獲得人工智能能力的國家之間的鴻溝。這可能導致力量失衡，可能加劇地緣政治緊張局勢和沖突。

• 軍備競賽升級：人工智能在戰爭中的發展和部署可能導致各國軍備競賽加劇。每個國家都可能努力超越彼此的人工智能能力，這可能導致更高的沖突和不穩定風險。

• 易受利用：用于戰爭的人工智能系統可能容易受到對手的利用、黑客攻擊或操縱。這可能會對國家安全構成風險，并導致不可預測的后果。

• 潛在的意外后果：人工智能系統可以根據算法和模式做出決策，而這些算法和模式可能并不總是考慮倫理或道德影響。人工智能驅動的軍事行動可能導致意外的平民傷亡或附帶損害。

結論

隨著時間的推移，軍事技術有了顯著的發展，提高了軍事行動的有效性和效率，提高了士兵的戰斗能力。通過這種方式，機器人技術、人工智能和無人機的進步正在塑造戰爭的未來。目前，人工智能可以通過多種方式部署，包括監視和偵察、預測分析、自主武器系統、決策支持、戰斗支持、虛擬訓練和模擬、供應鏈管理、網絡安全和反情報等。

然而，由于自主武器系統可能在沒有人為控制的情況下執行行動，因此出現了倫理問題。擁有人工智能能力的國家之間日益不對稱可能導致地緣政治緊張局勢和沖突。此外，人工智能在戰爭中的發展和部署也可能導致軍備競賽，增加沖突和不穩定的風險。此外，人工智能系統可能容易受到利用、黑客攻擊或操縱，并且可能并不總是考慮倫理或道德影響，從而可能造成意外的平民傷亡或附帶損害。

從這個角度來看，謹慎監管和遵守國際人道法對于負責任和負責任地部署這項技術至關重要。

參考來源：The Future of Technology

第五代（5G）技術目前正在移動網絡中發展。民用的第三代合作伙伴計劃（3GPP）標準是實現這一技術的基礎。與長期演進（LTE）和舊標準相比，更高的吞吐量、網絡容量、用戶密度和更低的延遲是 5G 的主要優勢。因此，這些優勢在關鍵任務和軍事解決方案中得到越來越多的認可。然而，在軍事設備中使用 5G 技術需要對 3GPP 標準進行深入分析，特別是在技術差距、安全性和用例方面。這對于在武裝沖突中使用通信設備尤為重要。與民用設備相比，這類設備必須具有更高的安全性和可靠性。目前，歐洲防務局（EDA）、北大西洋公約組織（NATO）通信和信息局（NCIA）、盟軍指揮轉型（ACT）以及北約科技組織（STO）都在開展這方面的工作和分析。北約科技組織信息系統技術（IST）小組的研究任務組（RTG）：IST-187-RTG on 5G Technologies Application to NATO Operations?正在研究這一課題。本文介紹了海軍中的 5G 示例用例。本文指出了在海軍系統中實施 5G 技術之前應解決的潛在優勢、問題和技術差距。

1 引言

與之前的第二代（2G）和第三代（3G）標準（即全球移動通信系統（GSM）和通用移動通信系統（UMTS））相比，作為第四代（4G）標準的長期演進（LTE）大大提高了移動網絡的服務質量（QoS）。然而，傳輸速度的提高和使用互聯網協議（IP）的數據傳輸服務的普及對其產生了重大影響。因此，新服務開始流行，而語音和視頻傳輸等舊服務則采用優化技術實現，即 LTE 語音（VoLTE）和 LTE 視頻（ViLTE）[1,2]。

目前，LTE 已成為全球移動網絡廣泛使用的標準。同時，幾年來，我們一直在觀察最近開發的第五代（5G）標準--新無線電（NR）--的傳播情況，該標準也被稱為 IMT-2020，即 2020 年及以后的國際移動通信（IMT）[3]。因此，大多數移動網絡運營商（MNOs）也開始停止對老式 2G 和 3G 技術的支持，將釋放的無線電資源用于滿足 4G 和 5G 標準的需求。正因為如此，更新、頻譜效率更高的無線電和網絡技術不僅能提高吞吐量和用戶數量，還能改善 QoS [4,5]。

5G NR 是數字移動網絡的下一代演進。對于 5G，人們經常談論的是一場電信革命，因為 5G 不僅指移動網絡，還包括其他通信標準，如有線、光纖、衛星、無線電鏈路、無線 Wi-Fi 網絡等。為了強調 5G 引入的變革的重要性，人們提到了許多無線電和網絡技術，以確保新標準的高性能。5G 標準與前幾代標準一樣，由第三代合作伙伴計劃（3GPP）制定。3GPP 是一項國際倡議，匯集了許多標準化組織、國家電信監管機構、移動網絡運營商、電信設備供應商、大學和研發中心。開發新的電信標準，特別是協議，是 3GPP 的目標和使命。目前，3GPP 正在制定第六代（6G）標準[6]。

5G NR 是一種民用標準，考慮到了和平時期電信系統運行的特殊性。根據設計，移動網絡運營商和通信系統用戶要遵守特定國家在和平時期適用的電信法。這些法規，特別是有關無線電頻譜的法規，考慮了世界無線電通信大會期間做出的安排。

由于幾個前提條件，軍事系統不可能直接使用民用標準。首先，軍用通信系統顧名思義是戰時專用的，在戰時可能會違反電信法。這主要與使用無線電系統干擾有關，而這在和平時期是被禁止的。因此，軍事通信系統必須高度可靠，并能抵御有意干擾。另一方面，敏感信息的傳輸要求提高系統的安全性。

5G 技術的吸引力和 5G NR 移動系統的高效率使得有必要考慮在軍事系統中實施民用標準 [7-10]。因此，考慮到上述條件，目前正在分析民用 5G 標準在軍事應用中的實用性。幾年來，歐洲防務局（EDA）和北大西洋公約組織（NATO）的多個機構，如北約通信和信息局（NCIA）、北約工業咨詢小組（NIAG）、北約盟軍指揮轉型（ACT）、北約科技組織（STO）、北約網絡防御合作卓越中心（CCDCOE）和北約總部 C3 參謀部（NHQC3S），都開展了這一領域的工作。此外，在北約 STO 的信息系統技術（IST）小組中，關于 "5G 技術在北約行動中的應用 "的研究任務組（RTG）IST-187-RTG 正在研究這一主題。

本文旨在介紹 EDA、北約 STO 和 NCIA 所開展工作的各個方面。我們主要關注海軍中潛在的 5G 用例。我們以 IST-187-RTG 和 NCIA 的工作為基礎。同時，我們強調了波蘭有關民用和軍用 5G 的背景。

本文其余部分安排如下。第 2 節介紹了 5G NR 的優勢、5G 技術和使用場景。第 3 節概述了 EDA 和北約 STO 的工作。第 4 節介紹了海軍中的 5G 使用案例。最后，第 5 節給出了結論。

3 5G 的軍事方面

與 LTE 和老一代移動網絡相比，5G 的高潛力和高效率促使我們對 5G 技術在軍事通信系統中的應用進行分析。軍事行動的特殊性，尤其是武裝沖突期間的特殊性，迫使軍事通信系統必須確保高可靠性和抗故意干擾（即干擾）的能力。民用電信標準和系統不具備這些功能。因此，不可能將民用 3GPP 標準直接應用于軍事通信系統。因此，分析主要集中在兩個方面。首先，指出民用標準中存在的技術差距，這些差距應在軍用系統實施前予以消除。在這種情況下，有必要尋找適當的方法來彌補這些漏洞。其次，一個重要問題是指定 5G 技術的具體使用案例。值得注意的是，軍事使用場景可能不同于民用場景。

3.1 EDA 5G 國防研討會

2019-2020年，EDA能力技術（CapTech）通信信息系統和網絡（簡稱CapTech信息）小組組織了四次關于?5G用于國防?的研討會。通常情況下，此類研討會旨在啟動特定主題領域的未來 EDA 項目。在這種情況下，研討會有助于編寫 "5G 國防技術 "文件 [21]。

在這份文件中，定義了 5G 在國防領域的應用和益處，包括提升士兵體驗、改善政府共享使用以及 5G 在部署設施、支持和戰區領域的應用。

文獻[21]的作者認為，軍用通信設備的生產存在一個問題，由于接收者群體有限，與民用電信市場的商用系統和組件相比，軍用通信設備相對昂貴且數量較少。

不過，他們指出，現成的 5G 技術構件，如 SON、SDN、NFV、MEC 和 MIMO，可用于軍事系統。另一方面，毫米波、波束成形、D2D 和 IAB 技術的使用可以減少無線電輻射和隱蔽傳輸。因此，在軍事系統中實施 5G 技術的許多好處是顯而易見的。

此外，在民用標準 3GPP 中，白皮書[21]的作者診斷出以下領域存在技術差距：

• 云支持
• 安全性；
• 集中化；
• 恢復能力
• 網絡集成與互操作性
• 身份管理；
• 大規模多輸入多輸出
• 毫米波；
• 多普勒效應；
• IAB；
• 戰場上的 D2D 通信；
• 整合衛星技術。

未來的 5G 軍事項目也將在歐盟委員會（EC）的支持下，由歐洲國防基金（EDF）實施，例如 5G COMPAD [22]。

3.2 北約 STO RTG：5G 技術在北約行動中的應用

2020 年，"5G 技術在北約行動中的應用 "IST-187-RTG 開始工作，由北約 STO 的 IST 小組主持成立。該 RTG 將工作到 2024 年，其工作成果將是 "第五代國際移動通信（5G）技術在北約行動中的應用 "報告以及技術試驗和測試。RTG 的工作分四個目標小組（OBJ）進行：

• OBJ 1 - 切片和 MEC；
• OBJ 2 - 大規模 MIMO 和全雙工；
• OBJ 3 - 極遠距離覆蓋；
• OBJ 3 - 安全機制；

OBJ 3 - 安全機制 每個 OBJ 的工作重點是分析 3GPP 標準的技術差距，并評估在各種使用場景中使用特定 5G 技術的潛力（見圖 6）。

IST-187-RTG工作的起點是探索小組(ET) IST-ET-096關于“遠征5G技術”的技術報告，題為“5G技術：防御視角”[23]，以及NCIA員工編寫的題為“5G技術用于軍事應用的潛力”的文件[24]。

圖 6. IST-187-RTG 定義的 5G 軍事用例（來源：IST-187-RTG）。

其他國際組織，包括北約機構： NCIA、NIAG、ACT、CCDCOE 和 NHQC3S 也在分析 5G 技術在軍事行動中的應用。由 ACT 和 CCDCOE 主辦的 2021 年第一屆北約軍事 5G 網絡安全研討會[25]、上述報告[24]以及其中一些機構的員工參與 IST-187-RTG 的工作就是這方面的例子。

3.3 5G 在波蘭陸軍中的應用

波蘭武裝部隊也注意到了使用 5G 技術的潛力。然而，"波蘭 5G 戰略"[14] 文件并未涉及軍事方面。因此，波蘭陸軍總參謀長任命了一個專家組，其任務是制定 "根據波蘭武裝部隊的需求使用 5G 技術的概念"[26]。

波蘭的大學和公司也參與了 EDA CapTech Information 和 NATO STO 的國際活動。軍事技術大學（Military University of Technology）和 ISN 公司（IS-Wireless）的代表參加了 EDA 組織的 5G 研討班，并協助開發 [21]。波蘭也積極參與了 IST-187-RTG 的工作。軍事技術大學、格但斯克技術大學、華沙技術大學、諾基亞解決方案和網絡公司波蘭分公司以及 ISN 都有代表參加該 RTG。

4 海軍使用案例

文獻[24]定義了三種海事場景：

• 場景 1. 海軍特遣部隊（見圖 7）；
• 場景 2. 沿海或港口通信（見圖 8）；
• 場景 3. 兩棲通信（見圖 9）。

在海事場景中，高效的 5G 系統將主要用于視距（LOS）短程通信，這種通信將在多艘艦船、艦船與其他漂浮物（如兩棲車輛）或艦船與沿海陸地基礎設施之間實施。圖 6 還顯示了其中的兩個場景，即場景 1 和場景 2，分別為 ⑥ 和 ⑤。會議期間介紹了這些場景的特點：

• 2020 第三屆第一響應者和戰術網絡 5G 技術研討會[27]；
• 2021 國際軍事通信與信息系統會議 [28,29]；
• 2022 年第 18 屆控制和通信系統自動化與利用會議（ASMOR）[30]。

前面的工作是描述分析場景的基礎。在第 4 節的最后部分，我們還討論了在海軍中使用 5G 技術的其他方面。

4.1 場景1. 海軍特遣部隊

由于海上行動的特殊性，海軍通信系統主要基于遠距離通信，即衛星通信（SATCOM）和視距外高頻通信（BLOS）。圖 7 展示了執行共同作戰任務（即海上行動）的艦艇編隊[24]。

圖 7. 海軍特遣部隊場景（資料來源：[24]）。

如果艦艇之間的距離提供了 LOS 條件，那么 5G 系統就能在艦艇之間進行有效通信。為此，需要在每艘艦艇上安裝一個 5G 基站，即下一代節點 B（gNB）。以這種方式排列的 gNB 構成一個網狀 LOS 網絡。在這種情況下，建議使用 IAB 技術和 6 GHz 以下頻段。這種 5G 連接將通過波束成形回傳技術提供高吞吐量和低延遲 [24,28,29]。

4.2 場景2. 沿海或港口通信

圖 8 所示的另一種情況與使用 5G 技術實現船舶與陸地之間的連接有關 [24]。

圖 8. 沿海或港口通信場景（來源：[24]）。

場景 2 涉及船舶位于港口或海岸附近的情況，這確保了船舶與 5G 陸地基礎設施之間的 LOS 條件。在這種情況下，5G 技術可以與總部（HQ）、港口指揮部等進行通信。此外，陸地基礎設施元件與船舶之間的通信（5G NR 船岸鏈路）可通過陸地公共或私有宏蜂窩 5G gNB（如多頻段海事接入點）和另一艘船舶的 gNB（即 5G 側向鏈路船-船）（考慮多跳情況）進行。通過這種方式，船舶的 5G 網絡與陸地上的 5G 網絡連接起來，從而可以減輕 SATCOM 的負擔，并快速交換信息，例如與總部交換信息 [24,28,29]。

4.3 場景3. 兩棲通信

圖 9 描述了艦艇、兩棲部隊和陸地單元之間使用 5G 通信的情況 [24]。

圖 9. 兩棲通信場景（資料來源：[24]）。

在方案 3 中，建議在船上的 5G gNB 使用較低的頻率范圍（如 700 MHz）。這樣，gNB 的范圍就擴大了（例如，相對于 C 波段或北約波段 IV：4.4÷5.0 GHz），并有可能確保與陸上分區（即與歐盟）的連接，這在登陸作戰中至關重要。在這種情況下，通常無法使用離岸 5G 網絡。另一方面，有可能出現非 LOS（NLOS）情況。這樣，戰術衛星（TACSAT）和戰術地面通信就可以得到緩解 [24,29]。

4.4 其他場景

文獻[28]提出了海岸通信場景的其他概念驗證要求，其中考慮了以下方面：

• 兩層、點對多點（PTMP）和網狀結構；
• 多頻段支持；
• 從岸站到海上平臺以及船舶之間的最小覆蓋范圍為 15 公里；
• 超過 10 Mbit/s 的總信道容量，支持 IP 數據流量；
• 適用于歐盟和 gNB 船載設備；
• 5G 網絡邊緣應用的低延遲接入；
• 主動緩解電磁（EM）干擾；
• 可提供高度集成且易于操作的系統，非熟練人員也能輕松操作；
• 借助側聯和基于 IAB 的 NR 通信，提供動態靈活的網絡拓撲結構；
• 針對電磁約束和傳播條件優化選擇工作頻段（和載波聚合模式）；
• 在有意干擾情況下的連續可靠運行；
• 主動減少電磁特征；
• 完全自主的移動網絡。

在分析 5G 技術的可能性時，值得注意的還有使用更高的無線電頻率范圍（即 EHF，尤其是毫米波）和光通信（即 VLC）的好處。利用 EHF 和光波段可以顯著減少電磁信號。VLC 是在船舶之間或船舶與近海基礎設施之間提供隱蔽通信的理想解決方案，即適用于情景 1 和情景 2。在這種情況下，必須具備良好的能見度和平靜的海面。船上的連接可以使用毫米波來實現。

鑒于軍事行動的性質，偵察和電子戰 (EW) 系統總是與通信系統一起分析。電子戰系統用于破壞敵方的通信。目前，針對民用和未來軍用 5G 系統開發有效干擾方法的工作正在進行中 [10,31-35]。從電子戰艦艇的角度來看，干擾系統是必不可少的。

文獻[36,37]介紹了在海上通信中使用 5G 和 6G 技術以及使用無人飛行器（UAV）的其他方面。海上運輸的發展方向表明，現代民用船只和軍用艦艇使用越來越多的傳感器，也采用自主無人水面（USV）或無人水下航行器（UUV）的形式。從 5G 系統的角度來看，現代船舶可被視為智能船舶，必須為大規模物聯網提供連接[38]。

5 結論

目前，我們正目睹民用電信市場發生的一場革命。這與在移動網絡中引入 5G 標準有關。幾種新電信技術（5G 技術）的使用大大提高了電信服務的效率。因此，計劃在未來的軍事通信系統中利用這些優勢。在本文中，我們分析了 5G 標準和技術在軍事解決方案中的應用，特別是在海軍用例中的應用。我們介紹了在幾個海洋場景中使用 5G 的潛在可能性。此外，我們還介紹了負責確定未來軍事系統發展方向的國際和國家機構所開展的工作。

俄羅斯正在進行的烏克蘭戰爭使自主和無人系統越來越多地融入戰爭的各個方面。對于北約及其成員來說，這種快速發展的技術不再是明天的問題，而是今天的問題。北約及其成員正在考慮如何應對這些系統帶來的挑戰和機遇。

雖然對什么是自主系統有不同的定義，但北約將其定義為：在規定的參數范圍內，根據已獲得的知識和不斷變化的態勢感知，按照最佳但可能無法預測的行動方案，決定并采取行動以實現預期目標的系統。系統的操作者確定其參數和目標，但系統通過人工智能（AI）進行自我指導。在無人駕駛航空系統中，自主無人機可以根據收集到的環境數據進行通信、調整路線并做出決策，從而無需人類持續操作。將自主性應用于無人機網絡還能實現無人機群，使無人機網絡能夠作為一個單一、集中的實體執行任務。

在烏克蘭加速規模化應用

自 20 世紀 60 年代起，無人機和其他機器人就開始以有限的自動化水平進行遠程操作。就像手機從純粹的通信設備發展到與互聯網連接的計算機一樣，無人駕駛系統也正變得越來越智能，能夠以不同程度的自主方式和網絡編隊進行操作。早期的無人駕駛航空飛行器將飛機的操作人員轉移到地面，降低了風險和成本，但仍需按照機組人員的要求執行任務。自主系統不再需要這樣做。同樣，自主系統正在徹底改變其他傳統領域，自主水面艦艇、潛艇和陸地車輛都在進行不同階段的測試、生產和部署。

在烏克蘭戰場上，自主和無人系統的使用已經激增。廉價、大規模生產的空中無人機，包括經過改裝的商用系統，已成為偵察和瞄準的關鍵。從美國提供的 "彈簧刀 "到俄羅斯的 "柳葉刀-3"，雙方都使用了依靠計算機視覺來識別和攻擊目標的閑逛彈藥。10 月，烏克蘭軍隊在塞瓦斯托波爾港發動了一次大規模無人機襲擊，動用了多達 16 架無人駕駛飛行器和水面艦艇，損壞了多艘俄羅斯船只。雖然這次攻擊很可能有人類操作員參與，但它顯示了協調一致的無人機群有可能壓垮傳統防御系統。

俄羅斯烏克蘭戰爭的強度和規模正以前所未有的速度加速軍用無人機的發展，并為對抗和有效利用無人駕駛和自主系統帶來了挑戰和機遇。例如，借助新型衛星通信網絡，無人機可以成為網絡化自主系統中的智能節點（傳感器和/或效應器），即使單個單元出現故障或喪失功能（如被擊落），無人機也能集體協作解決任務，如對前線的整個地段進行實時偵察。

國防能力的重大差距

北約領導層以及美國和其他成員正在應對自主和無人駕駛系統對安全帶來的挑戰和機遇。北約正在利用其《2022 年自主實施計劃》和《2021 年人工智能戰略》，重點關注負責任地開發和使用自主系統、綠色自主系統，以及保護北約相對于競爭對手和對手的技術優勢。

美國政府正集中精力開展跨機構工作，使各部門和機構在涉及國家安全的新興技術方面保持一致。為此，美國國防部專注于在戰爭中使用自主系統，以及確保安全和有效性所需的決策階梯。

雖然目前正在努力使各個盟國在自主系統方面的工作與聯盟的目標相一致，特別是在研發方面，但這需要加快步伐。要應對對未來戰爭問題至關重要的自主系統和其他顛覆性技術的挑戰，速度至關重要。整個聯盟的政策和實施必須更加協調一致，以了解作戰人員的需求，并提供必要的防御措施，在戰場上與自主系統作戰。

應對圍繞自主和無人系統挑戰的五個關鍵考慮因素

在北約尋求回答與自主系統的開發和實施有關的戰略和戰術問題時，有五個關鍵考慮因素需要解決：

1 解決成本與先進性的問題。在俄羅斯的烏克蘭戰爭中，國際社會看到了自主技術前所未有的應用。問題依然存在： 北約成員國考慮如何應對這一技術日益擴大的使用規模，同時在技術復雜性與易用性和實施之間取得平衡？我們正處于一個了解當今和未來戰場的拐點，看到傳統、常規軍事戰略與快速發展的新技術的混合使用。由于伊朗或烏克蘭等行為體能以每單元不到 3 萬美元的價格制造軍用無人機，因此需要考慮基礎技術先進性與成本和復雜性之間的平衡。

2 加強商業/軍事合作，接受軍民兩用技術。在國防工業基地問題上，商業實體與軍方之間的合作與協作至關重要。建造大量更小、更便宜、更靈活的無人攻擊和防御系統的主導戰略需要巨大的規模經濟。只有利用雙重用途技術以及同時在國防和商業市場運營的公司，才能實現這種模式。

3 將自主系統納入綜合防御。正如《2022 年美國國防戰略》所強調的，綜合威懾應 "在不同作戰領域、戰區和沖突范圍內無縫運作"。北約有一個戰略威懾和防御概念，一個最近商定的從戰略到地區的系列計劃，以及一個新的 "部隊模式"，以確保按規模和相關速度確定部隊，滿足其新防御計劃的要求。聯盟和盟國將確定自主和無人系統在聯盟防御計劃和概念中的作用。

4 為多領域使用自主和無人系統做好準備。北約及其成員考慮不僅在空中領域，而且在其他物理領域--海上、地面和太空--使用自主和無人駕駛系統。北約還必須考慮網絡能力如何支持自主和無機組人員系統、必須確保安全的軟件和硬件漏洞，以及如何利用對手系統的漏洞。

5 解決政府授權和采購流程問題。隨著商業部門與軍方之間的合作日益密切，許多與速度和流程相關的考慮因素也應運而生，但政府也必須考慮其采購流程如何影響技術開發、采購和投入戰場的速度。采購所需設備和平臺的 "及時"模式已不能滿足作戰人員的需求。聯盟和盟國決不能因為過時和繁瑣的政府程序而失去技術優勢。相反，盟國必須努力減少障礙，加快采購進程。

建議和結論

• 重新定義沖突中的領域優勢

在大國競爭的時期，自主和無人系統的進步可能會對任何突發事件產生影響。在北約應對俄羅斯威脅之際，領域優勢至關重要。目前，在完全自主的情況下，幾個士兵就能在短時間內連續發射數十或數百架空中無人機，使防空系統達到飽和。這意味著盟國需要開發一種新的空中優勢模式，在傳統防空手段的基礎上增加新的、潛在的自主反無人機系統。在其他物理領域應對大規模無人駕駛系統的威脅時，也必須做出類似的考慮。

• 了解軟件的決定性作用

組建和部署無人機系統網絡化編隊的能力取決于這些系統是否使用兼容的操作系統，以便在所有系統上同時部署相同的協調應用程序。雖然硬件特性仍然至關重要，并有助于區分不同的供應商，但運行專有和定制軟件會削弱聯網能力。要應對這一挑戰，就必須將對話轉向軟件定義的系統。

• 政府采購所需的變革

自主系統需要采用軟件優先的采購方法，這意味著操作系統和軟件比無人機系統更重要。軟件不僅是單個系統性能的關鍵，決定著系統檢測威脅和做出決策的能力，也是系統通過協調和數據交換集成到更廣泛的系統網絡中的關鍵。自主系統將需要不斷更新其操作系統、人工智能模型和數據協議，以確保它們的安全性、能力和互操作性，并需要供應商的持續參與。未來，購買自主系統更像是購買 IT 設備，而不是傳統的國防資產。盟國的采購流程必須反映技術使用和實施的這種演變。

參考來源：CEPA

大數據與人工智能（AI）的結合實現了準確預測和明智決策，為工業和研究帶來了革命性的變化。這些進步也在軍事領域找到了自己的應用位置，一些舉措整合來自不同領域的數據源和傳感器，提供共享的態勢感知。在城市軍事行動中，及時了解具體情況的信息對于實現精確和成功至關重要。數據融合將來自不同來源的信息結合在一起，對實現這一目標至關重要。此外，民用數據可提供關鍵的背景信息，并對任務規劃產生重大影響。本文提出了軍事數據空間（MDS）概念，探討大數據如何通過結合民用和軍用數據來支持軍事決策。文章介紹了使用案例，強調了數據融合和圖像認證在提高數據質量和可信度方面的優勢。此外，還討論了數據安全、隱私、完整性、獲取、融合、聯網和利用人工智能方法等方面的挑戰，同時強調了構建下一代軍事應用的機遇。

I. 引言

大數據的興起改變了企業存儲、管理和分析海量數據的方式。此外，大型數據集的可用性和更強大硬件的發展也為人工智能（AI）時代的到來鋪平了道路。盡管存在局限性，但這些課題在軍事領域也找到了適用性。其中一個例子是美軍使用的多域作戰（MDO），后來擴展為聯合全域指揮與控制（JADC2），以及 "共同作戰圖景"（COP）概念，這些概念整合了多個領域（陸地、海洋、空中、太空和網絡空間）的各種數據源和傳感器，使決策變得更快、更明智，提供了從戰術到戰略的各級組織的共享態勢感知。此外，北約社區已通過北約核心數據框架（NCDF）討論并測試了數據湖概念，以便在適當的時間/形式與聯盟伙伴共享可靠的跨域信息。

利用先進的算法和計算能力，人工智能可以處理龐大的數據集，揭示人類通常無法察覺的復雜模式。這使國防行動能夠增強實戰經驗、促進任務執行、做出數據驅動的決策、協調來自不同來源的數據，并加強應對威脅和災難的準備。通過整理來自不同來源的數據，指揮與控制（C2）部門可以深入了解城市景觀，并通過數據融合技術[3]、[4]促進態勢感知決策[1]、[2]。現代城市部署了傳感器網絡，利用大數據支持城市軍事戰略。此外，社交媒體平臺是寶貴的文本、圖像和視頻來源，豐富了態勢感知，但也帶來了數據完整性等挑戰。在 "非戰爭 "行動中，包括打擊腐敗政府、毒品販運和人道主義任務，大數據、數據融合、數據完整性和人工智能在任務成功中的重要作用在當代全球格局中變得顯而易見。

本文深入探討了利用大數據促進軍事決策以及相關挑戰。文章以簡明易讀的方式涵蓋了該領域相對欠缺探索的各個方面。在此背景下，研究介紹了軍事數據空間（MDS）的概念，這是一種將軍內數據（IMD）和軍外數據（EMD）結合在一起的新方法，旨在引發討論并開發軍事解決方案。然后，它通過以數據融合和圖像完整性機制為重點的使用案例來說明大數據的好處。最后，它討論了使用大數據的挑戰和機遇，集中在支持戰略性軍事決策必須考慮的四個主要方面：i) 數據融合；ii) 安全/隱私和完整性；iii) 人工智能；以及 iv) 網絡作為訪問大數據的手段。

從網絡視角討論數據傳播問題具有現實意義，文獻中也有廣泛論述。因此，本研究旨在引發對大數據觀點的討論，以及利用大數據造福軍事系統的可能性。此外，我們還強調了應對整合 IMD 和 EMD 相關挑戰的重要性。這種整合對于建立有凝聚力的大數據，最終提高軍事決策能力至關重要。總之，本文的貢獻如下：

• 引入一個整合軍用和民用數據的新概念：軍事數據空間（MDS）框架。
• 通過 MDS 框架的出現，確定大數據固有的關鍵挑戰和機遇。
• 兩個說明性用例，突出數據融合和完整性在支持戰略決策方面的優勢。

文章結構如下。第二節介紹了 MDS 的概念。第三節回顧了有關軍事和民用場景中大數據的最新文獻。第四節介紹兩個使用案例，說明大數據如何支持軍事決策。第五節討論了軍事數據領域的挑戰和機遇。最后，第六節總結了本研究討論的主要方面，為文章畫上了句號。

II. 軍事數據空間

軍事數據空間（MDS）的概念是根據 [5] 中討論的觀點提出的。它提供了一個以數據為驅動的軍事場景視角，有助于根據不同的數據源做出決策。MDS 包括兩個主要類別： 軍內數據（IMD）和軍外數據（EMD），如圖 1 所示。目前大多數軍事文獻都只針對 IMD 提出和評估系統（如中間件、協議）。然而，隨著信息和通信技術（ICT）的迅猛發展，民用系統已成為不可忽視的數據和基礎設施（網絡）的重要來源。因此，考慮到數據隱私/安全、完整性、獲取、融合、聯網和利用人工智能等挑戰，MDS 旨在支持關于 EMD 如何幫助軍事決策的討論。

圖1 軍事數據空間。

A. 軍內數據

IMD 與軍方提供和消費的數據相對應，主要分為兩層：帶有真實/虛擬傳感器（來自空間/航空/地面/航海單元）的基礎設施和信息層，包括作戰、情報和后勤數據。

基礎設施包括傳感器（如雷達、聲納、照相機）和其他電子系統收集的數據，可探測和跟蹤空中、陸地或水中的物體；車輛傳感器可提供軍事單元和周圍的狀態；可穿戴/智能和物聯網（IoT）設備可通過 GPS 定位、地圖、健康測量、實時照相機（高分辨率、紅外線）等為戰場上的步兵提供支持。這些數據可用于監測和識別潛在威脅、協助鎖定敵軍目標以及監測步兵狀況。

除了來自真實/虛擬傳感器的原始數據外，IMD 還包括信息層，該層融合了從作戰到情報等各種來源收集的數據，以創建一個更可靠、更廣闊的作戰視圖，這也是 JADC2 和 COP 系統的目標。情報信息可幫助軍隊了解敵軍的能力和意圖，識別潛在威脅并制定作戰計劃。后勤數據提供有關物資、裝備和人員的信息，如運輸時間表、庫存水平和維護記錄。這些數據對于確保軍隊擁有有效執行任務的資源至關重要。

B. 軍外數據

軍外數據是由真實/虛擬傳感器單獨或融合提供的數據子集，可描述軍事行動周圍的環境。因此，可定義用于支持軍事行動的兩個主要數據層：基礎設施（如交通系統、天氣、當局）和信息（如社交媒體、新聞、政府報告）。這些層產生了大量高度可變的信息，從用戶對實時事件（如事故、腐敗和恐怖主義）的感受和照片，到城市環境中的交通/天氣狀況和人們/駕駛員的行為。

信息和通信技術在城市地區的發展催生了智能城市的出現，智能城市通過增強流動性、安全性和健康解決方案來應對城市化帶來的挑戰。智能城市基礎設施包含傳感器，可捕捉有關車輛、交通、天氣和駕駛員行為的寶貴數據。傳感器和物聯網設備的激增也產生了大量數據，這使得利用云通信技術和人工智能應用開發智能系統成為可能。在大數據的推動下，數據融合應運而生，它整合了來自多個提供商的數據，以提高質量和覆蓋范圍，并減少海量數據流量。融合來自交通、天氣、攝像頭、醫療系統等的數據，不僅有可能支持民用應用，還能通過提供上下文數據支持戰略性軍事行動。在傳感器基礎設施有限的情況下，來自社交媒體和政府報告等媒體來源的數據可幫助了解當地行為，并識別影響犯罪、腐敗和毒品販運的因素。

社交媒體數據對于支持與緊急事件和災難相關的信息非常有價值，可通過捕捉獨特信息（如需要救援的群體的位置或隱藏人員的存在）來補充其他傳感器數據。建筑物上的固定傳感器和監控攝像頭可幫助進行人員跟蹤，以準確識別位置。社交媒體數據與其他數據源相結合，有助于敵情偵查和戰術規劃。與交通相關的傳感器數據，特別是交通監控攝像頭，在應急響應和軍事后勤方面發揮著重要作用。它可以檢測事故造成的擁堵和堵塞，從而改進軍事行動期間的路線規劃和交通管理。整合所有收集到的信息可增強態勢感知，促進城市環境中行動的有效規劃和管理。

針對近期發生的事件，如俄羅斯戰爭以及美國和巴西等國的反民主極端分子所帶來的挑戰，已經出現了多項舉措。其中一個例子是 ACLED（武裝沖突地點和事件數據）項目，該項目提供有關政治暴力和抗議事件的實時全球數據。另一個值得一提的項目是 DATTALION，這是一個廣泛的開源照片和視頻片段數據庫，記錄了俄羅斯對烏克蘭的戰爭。該數據庫的主要目的是反擊俄羅斯政府散布的錯誤信息。聯合國開發計劃署（UNDP）利用機器學習（ML）算法和大數據來檢測烏克蘭東部受損的基礎設施。語義損壞檢測器 (//tinyurl.com/semdam) 利用衛星圖像和地面照片對算法進行訓練，以識別建筑物、道路和橋梁的潛在損壞，協助地方當局和人道主義組織確定行動的優先次序。這些舉措極大地促進了 MDS，特別是 EMD，為分析和研究提供了寶貴的資源。

III. 軍事領域的大數據

本節探討大數據在軍事領域的應用，重點從數據內（IMD）和數據外（EMD）兩個角度概述大數據在軍事行動中的重要意義，并探索利用其潛力的最新解決方案。

A. 軍內數據

大數據在軍事領域的一些挑戰已在文獻中提出，并成為北約社區討論的主題，如作戰安全性、漏洞加固和數據可靠性[1]、[2]、[6]，以及北約 IST160 和 IST-173。納入與外界幾乎沒有聯系的自主隔離（如 EMD）可能會限制大數據的自由流動，這就要求在保持系統自主性和保護性的同時，以創造性的方式利用大數據。在這一方向上，COP 和 JADC2 引導研究人員和行業使用和融合來自不同軍事實體的數據，以支持戰略決策。

Kun 等人[1]提出了在軍工企業構建大數據平臺、建立多級數據通道、實現全面數據管理和控制的詳細技術方案。該平臺有利于數據的收集、組織、處理和分析，將數據轉化為知識，以加強決策/服務支持、創新、質量控制和風險管理。Xu 等人[6]強調了數據科學在當代戰爭中實現信息優勢的重要性。他們的系統性綜述顯示，社會科學文獻對數據科學風險給予了極大關注，這可能會影響政治和軍事決策者。然而，與戰術層面相比，科學文獻缺乏對作戰和戰略層面風險的關注，這表明存在研究空白。這一差距可能是由于 IMD 與 EMD 之間缺乏聯系造成的，而 EMD 可以支持行動和戰略決策。

B. 軍外數據

1. 數據融合： 大數據在異構數據融合中發揮著至關重要的作用，其目的是將多種記錄合并為一致的表示形式，提高數據質量并減少通信開銷。然而，由于數據語義和時空覆蓋范圍的原因，挑戰也隨之而來。在軍事應用中，異構數據融合對于設計信息系統，增強復雜的城市戰爭或反恐場景中的信息優勢和感知能力非常有價值。強大的系統對于處理敏感數據（如個人數據或戰略任務/政府計劃）至關重要。數據融合可減輕信息過載，提高準確性，并利用知識支持戰略行動和形勢評估[3]。

多傳感器數據融合（MSDF）方法是在戰術場景中提供快速高效的目標探測、跟蹤和威脅評估的一個實例，如文獻[4]所示。數據融合的另一個應用領域是基于位置的社交媒體（LBSM），它可以增強各個領域的知識，包括交通特征描述和事故檢測[7]。利用 LBSM 系統可以獲得更詳細的交通數據，有利于軍事后勤工作。在特定的軍事環境中，可以利用 LBSM 系統的潛力來提高數據可用性，并實現情境感知操作。

2. 數據安全、隱私和完整性： 設計在數據庫中存儲和收集信息的軍事系統時，安全和隱私是關鍵的考慮因素。安全性旨在防止未經授權的數據修改，而隱私性則保護個人的信息[8]。然而，從公開來源收集數據，尤其是從普通用戶（EMD）收集數據，會給系統安全和用戶隱私帶來風險，使其容易受到攻擊和數據泄露。IBM 的《2022 年數據泄露成本報告》指出，網絡攻擊成本與上一年相比增加了 2.6%，全球平均數據泄露成本達到 335 萬美元。此外，該報告還顯示，83% 的被調查組織經歷過多次數據泄露，這凸顯了保護這些系統安全所面臨的挑戰。

數據完整性對于維護對 MDS 的信任至關重要[9]。被篡改的數據會產生嚴重后果，影響民事和軍事決策過程，破壞對數據源的信心。社交媒體平臺上錯誤信息的泛濫就是這一挑戰的例證，這些錯誤信息往往被利用來施加政治影響，烏克蘭正在發生的沖突就是一例。為應對此類問題，Twitter 等平臺修訂了其政策，標記了許多與俄羅斯國家附屬媒體相關的推文，并檢測了數十億條與沖突相關的實時推文印象[10]。

與此同時，圖像認證的出現解決了人們對圖像完整性和來源驗證的擔憂。然而，包括人工智能軟件在內的先進圖像處理工具的興起使圖像驗證變得越來越棘手。雖然圖像驗證引入了水印、數字簽名和感知散列（pHash）等多種技術[11]，但每種技術都有其優勢和局限性。例如，水印可提供真實性和所有權保護，但可能會影響圖像質量，而且容易受到高級處理技術的影響。相比之下，pHash 可以靈活地進行圖像操作，并對內容變化敏感，因此特別適合在社交媒體平臺上使用。在數據完整性和圖像認證的背景下考慮這些挑戰和解決方案至關重要。

IV. 使用案例

A. 數據融合

首先，大數據的時空融合是為了支持軍事決策。由于缺乏所討論的可用 IMD，多數據融合（MDF）框架[12]被實例化，用于收集、準備和處理 EMD，并將其融合以提供豐富的信息。為了證明時空數據的豐富性，MDF 利用基于云的系統共享數據的公共可用性獲取了交通系統數據。不過，該框架可擴展到其他各種數據類型。其目標是提高數據質量、改進 C2 系統和軍事后勤，并支持城市地區的 COP/JADC2，從而創造出將融合 EMD 與來自不同領域的可用 IMD 結合使用的新方法。下文圖 2 介紹了 MDF 的主要功能。此外，還通過分析數值結果討論了融合大數據的好處。

對于數據采集，圖 2 (1)配置了一組參數（如區域、請求頻率）和數據源，MDF 為此收集各種格式的數據，并將其存儲在文件中。在準備階段（2），通過將不同的地物名稱和類型轉換為統一的表示方法，對輸入數據集進行標準化。這包括各種數據映射，以生成統一的數據類型，例如將描述性映射為數值或降低數據粒度。此外，還啟動地圖匹配，將所有地理定位數據（可能具有不同的精確度）融合到同一個路網中。MDF 對所有收集到的數據進行預處理，并從收集到的區域獲取 Shapefile (SHP)。請注意，根據應用目標和可用數據類型，框架可能會應用不同的特征提取方法，如自然語言處理（NLP）（情感分析、關鍵詞提取、詞法化、詞干化和自動摘要）或圖像處理（圖像分割、邊緣檢測和對象檢測），以從非結構化數據類型中提取信息。在使用案例中，我們沒有使用 NLP 算法，因為數據是無文本圖像和基于交通的數據。不過，建議的數據融合框架具有多功能性，可以處理各種數據類型，包括可以應用 NLP 技術的文本數據。

圖2 數據融合框架工作流程。

第三階段實現時間/空間數據融合和數據導出。為確保數據完整性，需要事先過濾非信任信息或有偏見的信息，例如，根據信息在不同數據源或圖像認證機制中的出現情況，使用驗證信息的方法，如第四節B部分所述。時間數據融合是通過對任意時間窗口（如每分鐘、每小時、每天）內的數據進行分組來實現的。為了進行空間融合，MDF 利用地圖匹配，根據底層道路網絡在規定的精確度下對 GPS 點進行對齊。由于不同數據源的 GPS 報告精度各不相同，因此必須這樣做，才能將所有地理定位數據映射到相同的道路網絡中。

最后，在圖 2 (4)中，豐富的數據以不同的格式輸出，為軍事和民用領域提供了多種可能性。MDF 的輸出通過創建不同類型的統計數據和可視化效果來支持時空分析，從不同的空間和時間方面描述可用信息的特征。

1. 結果： 為了展示數據融合的優勢，表 I 總結了 MDF 框架在實際實驗中的結果。該實驗為期九個月，在兩個不同的城市收集了四類民用交通數據（交通流量、事故、車輛數據和天氣狀況）。數據融合使科隆的數據覆蓋率提高了 173%，覆蓋了 5081 條道路，而僅使用Traffic HERE數據源時僅覆蓋了 1379 條道路，波恩的數據覆蓋率提高了 137%。此外，通過重疊路段豐富信息的潛力達到了 39.5%，從多個來源提供了事件的詳細描述。

表I 按數據來源分列的道路覆蓋情況。

B. 數據完整性

之前的工作[11]介紹了一種利用 Twitter 和 Facebook 來確保圖像完整性的圖像認證系統。該系統采用卷積神經網絡（CNN）和全連接層（FCC）進行特征提取，采用位置敏感散列（LSH）進行散列構建，并采用對比度損失最大化原始圖像和篡改圖像之間的差異。該模型的輸出是每個圖像 1024 位的固定長度向量表示。

為解決在城市軍事行動和民用系統中保持圖像完整性的重要性，提出了圖像事實檢查器（IFC），如圖 3 所示。它能檢測虛假圖像，確保數據的可信度，并作為當局主導的認證系統，打擊錯誤信息。系統會生成帶有徽標或圖標的驗證版照片，表明其已通過 IFC 系統驗證。此外，IFC 還提供了圖像的感知散列（pHash）字符串表示，可將其納入描述或在其他網站上共享。數據融合系統是 IFC 的一個可能的終端用戶，它可以在應用時空融合和生成豐富數據之前對抓取的圖片進行驗證。

圖3 Image-Fact-Checker (IFC)。

建立一個能提供即時真實信息的自動化系統是一個相對較新的概念，因此通過比較來評估其有效性具有挑戰性。然而，由于創建令人信服的偽造圖像的人工智能生成模型的興起，實施圖像認證系統現在變得至關重要。添加這一系統作為驗證層有助于防止或減少虛假信息的傳播，尤其是考慮到不斷發展的互聯網法規會對缺乏反虛假信息措施的平臺進行處罰。一種有效的方法是將 IFC 系統與政府機構連接起來。IFC 方法具有通用性和可擴展性，可提高個人的意識和信任度。

1. 成果： 使用 IFC 系統提高了數據的可信度，并能檢測到圖像操縱行為。在烏克蘭-俄羅斯沖突等沖突局勢中，受俄羅斯襲擊影響的平民在社交媒體上分享圖片，但對其真實性產生質疑。IFC 可以使用 DATTALION 數據集對這些圖像進行驗證，從而可以快速將其分發給救援隊、聯合國或北約等相關組織。這加快了對襲擊的響應速度，并提供了針對俄羅斯的可靠證據。在交通等民用場景中，從普通用戶那里獲取實時和經過驗證的信息可以加強路線更新和應急響應方面的決策。

圖 4（左）是通過 DATTALION 從普通社交媒體用戶那里收集到的兩張未經驗證的圖片。這些圖片只是更大數據集中的一小部分。用戶通常不愿意相信這些來源，因此有效利用這些來源具有挑戰性。然而，當這些圖像經過 IFC 機制處理后，其可靠性就會提高，因為任何進一步的篡改都很容易被檢測出來。如圖 4（右圖）所示，應用 IFC 后，每張圖片都會收到 pHash 和相關信息，如圖片描述、提取的特征、位置、事件日期、抓取日期、發布者 ID。這些經過處理的圖像將存儲在 IFC 數據庫中，供今后查詢。該數據庫有多種用途：重復檢測、完整性驗證以及滿足特定最終用戶的要求。

圖4 使用IFC提取圖像細節。

V. 軍事數據空間的挑戰與機遇

A. 數據融合

數據融合的第一個挑戰是尋找和獲取軍事和民用領域的可用數據。出于隱私/安全考慮，信息可能無法廣泛獲取或獲取途徑有限。在軍事領域（IMD），數據受到更多限制，這為探索可用的民用數據（EMD）以支持戰略性信息決策提供了機會。第二個值得注意的挑戰是融合多種數據源，這些數據源可能具有不同的結構（結構化、半結構化和非結構化數據）、標準、數據類型（如文本、圖像、視頻）、測量單元、粒度和時空覆蓋范圍。因此，需要深入了解如何準備和處理不同的數據集，并將其融合為一個數據集。

處理社交媒體中的圖像和文本需要進一步的程序，如特征提取方法（如 NLP 和圖像處理），以提取可用信息。盡管數據融合面臨諸多挑戰，但將從不同角度（如指揮部、用戶、記者、政府、傳感器）描述同一空間和時間的不同數據源結合起來的好處，可以加強軍事行動的規劃和戰略階段，為 COP 和 JADC2 系統提供支持。

B. 數據安全、隱私和完整性

1. 數據安全與隱私： 保護敏感的軍事信息對國家安全至關重要。需要強大的加密、安全的數據存儲和訪問控制來降低風險。建議采用的技術包括公鑰基礎設施（PKI）安全、受保護內核、數據加密、防火墻和入侵檢測。然而，如何在數據共享、有利于信息融合和安全/隱私措施之間取得平衡，對軍方來說仍是一項具有挑戰性的任務。

2. 數據完整性： 被操縱的數據會給民用和軍用決策帶來風險，并降低對數據提供者的信任度。在生成內容的人工智能模型不斷進步的幫助下，篡改圖像迅速傳播，參與度不斷提高，這凸顯了對智能綜合解決方案的需求。通過社交媒體分享的圖片能夠快速傳達復雜的想法，從而為救援行動提供支持，使人們能夠立即采取行動，如在城市發生事故/災難時改變交通路線。圖片還能喚起情感聯系，增強讀者對新聞事件的理解。然而，烏克蘭戰爭等危機擴大了錯誤信息的傳播，這就需要 snopes.com 和 norc.org 等人工事實核查機構的參與，以打擊錯誤信息。然而，在戰爭期間或為打擊腐敗政府而進行基于人工的實時核查可能會耗費大量時間，這就為設計自動系統來驗證圖像和處理虛假信息創造了機會。

C. 聯網

雖然這項工作的主要重點在于數據視角，以及確保使用來自不同來源的可信數據來支持軍事行動的相關性，但同樣重要的是要認識到網絡在有效提供數據和服務方面的重要性。在以網絡為中心的軍事行動中，利用高頻、甚高頻、超高頻、衛星通信、Wi-Fi 和 LTE 4-5G 等各種技術進行無線通信至關重要。有些技術擅長長距離覆蓋，但帶寬有限、延遲高，而且容易受到干擾。另一些則以可靠性為先，覆蓋范圍較短，帶寬較大，延遲較低。

以信息為中心的網絡（ICN）和軟件定義網絡（SDN）等網絡范例對于優化數據傳播和網絡協調至關重要[13]，尤其是在網絡資源有限的情況下。在軍事網絡中，尤其是在戰術邊緣，數據傳播過程中會出現資源有限和安全問題等挑戰。為解決這些問題，軍方可能會探索包括民用網絡在內的各種基礎設施，以獲取和融合非軍事數據。以歐洲 5G COMPAD 聯盟為例，目前正在考慮采用 5G 技術。然而，由于硬件通信系統成本高昂、帶寬和互操作性有限，因此具有挑戰性。這就需要定制參考架構來滿足軍事通信需求。

在最近的烏克蘭-俄羅斯沖突中，俄羅斯對烏克蘭基礎設施的攻擊導致互聯網中斷，暴露了通信網絡的脆弱性。SpaceX 的 Starlink 衛星互聯網星座提供了一種解決方案，證明了在戰時利用民用網絡基礎設施的價值。盡管該技術有望提高互聯網在數據和緊急通信方面的可靠性，但它在網絡安全、覆蓋范圍、可靠性和成本效益方面仍面臨挑戰。

D. 人工智能

由于隱私、安全以及軍事機構為防止濫用和限制 IMD 的可用性而施加的限制，為人工智能研究訪問軍方擁有的大數據帶來了挑戰。此外，人工智能功能可能會受到對抗性攻擊的影響，對抗性攻擊會通過改變造成錯誤分類來欺騙人工智能模型。快速梯度符號法（FGSM）和語義攻擊等技術分別有助于識別和減輕計算機視覺和 NLP 中的此類攻擊。Yuan等人[14]對攻擊、對策和基于應用的分類標準進行了全面評述。

要檢測對抗性攻擊，一種有效的方法是使用具有與主人工智能模型不同特征的輔助人工智能模型。這一想法源于早期的衛星通信。當時，人們使用電報等輔助系統來防止對衛星通信的中間人攻擊或干擾攻擊。由于帶寬有限，輔助系統只能傳輸與完整衛星數據相對應的摘要數據，用于偵測攻擊和應急通信。同樣，在人工智能中防范對抗性攻擊時，傳統的 ML 可以作為輔助系統，產生與主要 CNN 方法一致的結果。對抗性攻擊依賴于計算機視覺深度學習模型中的梯度技術，而傳統的 ML 方法則使用不同的方法，這些方法對這些攻擊操作大多具有免疫力。

在軍事領域使用人工智能的另一個問題是需要共享敏感數據來訓練模型。在這方面，聯邦學習（FL）作為一種訓練 ML 模型的技術已經出現，在這種技術中，數據不會暴露，從而確保了數據的安全性和隱私性[15]。雖然它不能被視為對抗惡意攻擊的防御技術，但這種方法隱藏了敏感數據和模型或參數的一部分。這種技術對于建立在人工智能基礎上的新興軍事應用非常有價值。

VI. 結論

本文探討了大數據在軍事領域的應用。研究了與整合不同數據源、確保數據安全、隱私和完整性以及聯網和利用人工智能相關的機遇和挑戰。文章引入了 MDS 概念，以豐富和引導討論，強調納入民用數據的潛力，以提高軍事行動戰略決策所需的信息質量和數量。此外，文章還包括兩個實際使用案例，說明了數據融合的好處以及實施圖像認證機制以保持數據完整性的重要性。這些發現凸顯了大數據在軍事領域的重要意義，并強調了在該領域開展進一步研究和探索的必要性。

認知電子戰通常被定義為以具備認知性能的電子戰裝備為基礎,注重自主交互式的電磁環境學習能力與動態智能化的對抗任務處理能力的電子戰形態。自其被首次提出以來,以其感知準、推理強、決策快的優勢備受國內外研究學者廣泛關注。隨著人工智能新理念、新技術、新應用的不斷涌現,認知電子戰步入嶄新的發展階段。為捕捉其未來發展方向,從人工智能角度出發,總結并豐富了認知電子戰概念內涵,梳理認知電子戰的發展脈絡及外國典型項目,搭建認知電子戰系統框架及架構,從感知、判斷、決策等方面對認知電子戰關鍵技術進行了全面系統綜述,并總結了認知電子戰面臨的挑戰和發展趨勢。 電磁能、定向能等實現對電磁頻譜的控制，包括掌 握、攻擊敵方電子信息系統和電子系統等，以及保 護己方電子信息系統和電子系統等［１］ 。電子戰 的發展經歷了三個演變過程，即傳統電子戰、自適 應電子戰以及認知電子戰。傳統電子戰是指采用 預置的干擾方式破壞敵方雷達、通信等電子信息 系統的正常工作；自適應電子戰則是融合自適應 技術，使電子戰系統具備適應電磁環境變化的能 力；而認知電子戰則代表了電子戰演變的最新形 態，具備推理、學習等認知能力，能夠對未知的目 標和環境進行分析并自主做出有效的對抗決策。 催生電子戰形態改變的關鍵因素是人工智能 技術的蓬勃發展。在 ２０世紀 ７０年代時期，電子 戰系統高度依賴以特征工程為主導的專家系統。 進入 ２１世紀以來，數據規模和算力的急劇增加促 使以深度學習等為代表的人工智能學習模型不斷 涌現，電子戰系統中的關鍵算法從特征工程走向 機器學習。自今年以來，以生成式大語言模型為 代表的新一代人工智能技術突起，為認知電的發展提供了進一步的機遇。 美國最先意識到人工智能技術給電子戰發 展帶來的機遇。從 ２００８年起，美軍以提高電子 戰裝備認知能力為核心，陸續啟動和開展了多 個認知電子戰項目的研究［２］ 。中國從 ２０１３年 開始跟蹤研究認知電子戰技術，主要團隊包括 中國電子科技集團公司第三十六研究所的楊小 牛院士 團 隊［３］ 、軍 事 科 學 院 的 王 沙 飛 院 士 團 隊［４］ 等。 隨著人工智能技術的快速發展，學術界對認 知這一概念已經邁進了嶄新的階段。因此，重新 梳理認知電子戰的發展脈絡，剖析其核心技術原 理，進一步捕捉其發展趨勢就顯得尤為重要。 本文結合人工智能領域的最新研究進展，對 認知電子戰系統從概念內涵、典型項目、系統架 構、關鍵技術與未來挑戰五個方面進行全面總結 及深入分析，進而為領域研究墊下基石。

美國陸軍近年來提出了 "信息優勢 "的概念，即士兵有能力比對手更快地做出決策和采取行動。陸軍現在認為，人工智能是實現這一戰略的關鍵。

人工智能的普及程度和能力都有了爆炸式的增長，ChatGPT 等大型語言模型和其他人工智能系統也越來越容易為大眾所使用。在工業界和美國防部，許多人都在探索將該技術用于軍事應用的可能性，陸軍也不例外。

陸軍賽博司令部司令瑪麗亞-巴雷特（Maria Barrett）中將說，人工智能具有 "真正、真正推動變革的最大潛力......但它也給我們帶來了非常、非常現實的挑戰，以及整個信息維度的挑戰"。

負責政策的國防部副部長辦公室副首席信息作戰顧問、陸軍少將馬修-伊斯利（Matthew Easley）說，軍方正在經歷 "從傳統的信息作戰，即我們如何將不同的信息效果結合起來，為我們的行動創造我們想要的協同效應 "到新的信息優勢概念的轉變。

伊斯利在 6 月份美國陸軍協會的一次活動中說，這一概念的目標是確保陸軍在信息環境中掌握 "主動權"，"能夠看清自己、了解自己并更快地采取行動"。他說，信息優勢包括五大功能：輔助決策；保護士兵和軍隊信息；教育和告知國內受眾；告知和影響國外受眾；以及開展信息戰。

他補充說："所有這五個領域都可以利用人工智能和機器學習取得一定效果"。

伊斯利在 2019 年幫助建立了陸軍人工智能兵力工作組。但他說，在他任職期間，該小組在全軍范圍內采用人工智能時遇到了兩個挑戰：遷移到混合云環境和移動設備。

陸軍將 "繼續擁有大量的傳統數據中心，但隨著我們需要激增，我們需要在全球范圍內移動--云環境使我們更容易開展全球業務，"他說。根據陸軍預算文件，陸軍正在為2024財年申請4.69億美元，用于向云過渡和數據環境投資。

巴雷特在 AUSA 會議上說： "沒有數據存儲庫，就無法實現人工智能和機器學習"。陸軍賽博司令部對其大數據平臺進行了大量投資，將 "進入我們平臺的數據流數量翻了一番，解析器翻了一番，我們現在存儲的數據存儲量也翻了一番，"她說。她說："我們將繼續沿著這條軌跡前進，這意味著我們已經準備好開始利用 "人工智能能力"。

她說，對于指揮部來說，人工智能主要用于網絡防御，但在 "信息層面 "也有應用。"引入各種不同的信息源......并真正了解特定環境的信息基線，這意味著什么？所有這些都對我們大有幫助，而且我認為這只會不斷擴大"。

伊斯利說，移動設備的普及大大增加了潛在的饋送量，但也會擴大對手的潛在目標。這些設備 "有很多功能，也有很多漏洞。我們必須考慮并使用人工智能......既能保護我們自己，又能管理我們擁有的大量數據"。

陸軍參謀長詹姆斯-麥康維爾（James McConville）將軍在6月的一次媒體吹風會上說，在潛在沖突中，人工智能可以幫助士兵整理所有數據，并將正確的信息 "送到箭筒中"。

根據陸軍預算文件，陸軍正在為2024財年的人工智能和機器學習申請2.83億美元，其中包括用于增強自主實驗的研發資金，以及為集成視覺增強系統、可選載人戰車（最近被重新命名為XM30機械化步兵戰車）、遠程戰車、TITAN地面站和 "具有邊緣處理功能的更智能傳感器 "等系統的人工智能/機器學習項目活動提供資金。

"陸軍部長克里斯蒂娜-沃穆斯（Christine Wormuth）在簡報會上說："我們當然在尋找如何利用人工智能使我們的能力（包括新能力和正在開發的能力）更加有效。她說，陸軍尤其在 "融合項目"（Project Convergence）演習中使用了人工智能目標定位程序。

融合項目是陸軍對國防部聯合全域指揮與控制概念的貢獻，該概念旨在通過網絡將傳感器和射手聯系起來。陸軍發布的一份新聞稿稱，在2022年底的上一次演習中，參演人員使用了陸軍的 "火風暴 "系統--"一種人工智能驅動的網絡，將傳感器與射手配對"，向參加實驗的澳大利亞兵力發送情報。

麥康維爾說，軍方還將人工智能用于預測性后勤工作。他說："我們正在使用人工智能來幫助我們預測所需的零部件，這對龐大的軍隊來說意義重大"。

除了簡單的維護之外，預測性后勤還涉及陸軍的不同供應類別，如燃料和彈藥，"以及我們如何看待消耗，如何預測在哪里可以將正確的供應品送到需要的地方"，負責維持的陸軍副助理部長蒂莫西-戈德特（Timothy Goddette）說。

戈德特在國防工業協會戰術輪式車輛會議上說："我們的目標是提前計劃這些物資需要運往何處或何時需要進行維護，而不是作出反應。

他說："如果計劃的維護是正確的，但條件是錯誤的--如果你處于低[操作]節奏，我們如何改變計劃的維護？如果你處于炎熱、寒冷或腐蝕性環境中，你該如何改變維護計劃？這可能正是我們需要思考的地方。"

他補充說，在數字化世界中，陸軍必須 "學會如何使用數據和以不同的方式使用數據"。"我承認，我們還沒有完全弄懂[預測性后勤]。我們確實需要大家的幫助來思考這個問題。

McConville 和 Wormuth 說，人工智能未來的其他應用還包括人才管理和招聘。"Wormuth 說："人工智能可能有辦法幫助我們以人類不擅長的方式識別優質線索或潛在客戶。

不過，McConville 強調，在使用人工智能時，"人在回路中 "非常重要。

他說："實際做所有工作的可能不是人，但我們會看到人工智能幫助我們更好地完成工作。"但與此同時，我們也希望有人能說'發射這個武器系統'，或者至少能考慮到這一點。"

巴雷特贊同麥康維爾的說法："每個人都會把［人工智能］當成一臺機器。但是......你猜怎么著：每個玩過 ChatGPT 的人--是的，是人在喂養那臺機器。"

伊斯利說，隨著陸軍引入人工智能系統，士兵們可以做四件事來幫助技術正常成熟：收集和注釋數據；使用這些數據訓練人工智能模型；使用這些模型來檢驗它們是否有效；以及幫助改進模型。

他說，軍方在收集數據方面做得 "很好"，"但軍隊中仍有很多數據我們沒有完全捕捉到......我們可以利用這些數據來訓練我們自己的大型語言模型。"要使這些模型對我們的領域有效，我們必須在我們的數據上進行訓練。因此，我們必須研究：我們的人力資源數據是什么？我們的人力資源數據是什么？我們的醫療數據是什么？我們的業務數據是什么？我們的情報數據是什么？我們如何在受控環境下利用這些數據來建立更好的模型？

他說，這些模型必須根據軍隊的數據進行快速訓練和再訓練，以便不斷改進。他以自己手機上的餐廳推薦算法為例，"它之所以這么好，是因為它有10年的時間，我只告訴它我喜歡世界上哪些餐廳"。

伊斯利說，雖然他們將來可能會收到人工智能的推薦，但武器系統將始終由人類來管理，但 "其他系統，如果不是那么關鍵的話......[機器]可以做出決定"。不過，他補充說，人類將對人工智能進行培訓，使其在執行陸軍任務時可以信賴。"他說："你不會質疑你的地圖算法告訴你在城市中往哪里走--你知道該算法比你掌握更好的信息。但是，"我們如何獲得數據背后的真實性，讓我們能夠相信模型的內容、模型是如何訓練的，以及我們是如何使用它的？我認為這都是......人類的努力"。

參考來源：NDIA網站；作者：Josh Luckenbaugh

雷達和電子戰（EW）等軍事應用測試和測量系統的設計人員正在加緊使用人工智能（AI）解決方案，以便更好地測試認知功能。同時，現代數字架構的采用也推動了軍事測試需求的增長。

人工智能（AI）和機器學習（ML）工具正在進入國防系統的幾乎每一個領域，從制造、雷達系統開發、航空電子設備到軟件開發和測試測量系統。

NI 公司（德克薩斯州奧斯汀）航空航天、國防與政府研究與原型開發解決方案營銷經理 Jeremy Twaits 說："人工智能不僅影響測試系統本身的能力，還影響我們的測試方式。"人工智能使系統更具適應性，其行為會根據訓練數據集發生變化。有了人工智能，工程師必須了解系統性能的界限，并使用測試方法來滿足系統部署時可能遇到的最關鍵和最可能的情況。

人工智能工具還能在電子戰系統中實現認知功能。羅德與施瓦茨公司（Rohde & Schwarz，馬里蘭州哥倫比亞市）航空航天與國防市場部雷達與 EW（電子戰）全球市場部門經理 Tim Fountain 說："通過為客戶配備工具，提供高帶寬、長時間射頻記錄和回放系統，用于在操作相關的射頻環境中訓練認知系統，從而幫助客戶交付支持 AI/ML 的系統"。

他繼續說："此外，認知系統還可用于提取和分類 ELINT（電子情報）接收器捕獲的寬帶數據中的新型發射器。我們的客戶一再告訴我們，他們面臨的一個挑戰是，他們并不缺少來自采集活動的數據，但對這些信號進行標記、分類、排序和地理定位仍然是一項人工任務，由于時間和預算壓力，分析人員往往會忽略這項任務"。

軍事用戶對數據量的要求只增不減，這給系統設計人員和系統測試人員帶來了更大的壓力。

Keysight 航空航天/國防和政府解決方案集團（加利福尼亞州圣克拉拉市）總經理 Greg Patschke 說："隨著高速捕獲技術的發展，我們能夠收集的數據量正以指數級速度增長。這些大型數據集帶來了分析信息和得出結果的挑戰。目前，我們正在使用無監督機器學習工具來加快洞察之路。我們可以使用智能算法來識別感興趣的信號，對信息進行分類，并識別數據中的模式和異常。利用這項技術為我們打開了一扇通往全新數據分析世界的大門，而這在以前是不可行的"。

由于系統的復雜性，在定義測試場景的同時，通過人工智能系統實現適應性將至關重要。

Twaits指出："幾乎不可能在每一種可能的情況下進行測試，但業界必須定義關鍵的測試場景和模型。"由于真正測試和信任人工智能系統的動態性和挑戰性，測試平臺必須具備適應性，以應對未來的測試場景和要求。例如，NI 的 COTS（現成商用）硬件可以與 MathWorks 的軟件工具（如深度學習工具箱）相連接。NI 和 MathWorks 合作展示了如何利用軟件定義無線電 (SDR) 對訓練有素的神經網絡進行空中測試和評估，以對雷達和 5G 新無線電信號進行分類。

在軟件中定義測試功能

人工智能在測試解決方案中的應用得益于在軟件中植入測試和測量系統功能的能力。

Patschke 說："在測試和測量行業，不斷需要改進測量軟件的功能。EW 測試的專業性往往要求軟件具有一定程度的創新性和靈活性，而這在其他行業通常是看不到的。例如，與雷達/預警機有關的到達角（AOA）測試需要軟件和硬件的無縫配對，以適當應用實時運動學并準確計算 AOA 結果"。

他繼續說："幾年前，[測試]軟件還不具備這種功能，但隨著客戶要求和需求的變化，像 Keysight 這樣的公司已經進行了調整，以滿足這些需求。客戶要求系統具有靈活性，以便在新的挑戰出現時滿足他們的需求。滿足這些需求的唯一方法就是不斷升級我們的軟件，盡可能增加新的功能，這樣就可以不斷地將硬件重新用于多種用途"。

對標準化和快速周轉的需求也需要更多的軟件功能。

Fountain 說："客戶告訴 R&S 最緊迫的問題是，他們需要快速、可驗證和可重復的測量，而且通常是基于標準的測量。"客戶通常沒有時間或內部專業知識來開發特定的測量功能，因此可能會依賴供應商將該測量功能作為附加功能提供，或者在某些情況下使用事實上的行業工具集（如 Matlab 和/或 Simlink）來支持快速軟件/硬件功能，特別是隨著 FPGA（現場可編程門陣列）和 GPU（圖形處理器）在測量數據流中變得越來越普遍。(圖 1）。

[圖1 ? 羅德與施瓦茨公司提供集成記錄、分析和回放系統（IRAPS）。IRAPS可用于需要寬帶寬、長時間射頻記錄和回放的實驗室和靶場射頻記錄和回放應用，如雷達測試和靶場電子戰（EW）效果評估。］

NI 雷達/EW 業務開發經理 Haydn Nelson 說："在軟件中定義測試系統是整個航空航天工業趨勢的體現，通常被稱為基于模型的系統工程。"推動系統級模型和要求的標準化使軟件成為定義自動測試系統不可或缺的一部分。

Nelson 繼續說："對于雷達和電子戰來說，由于雷達的多任務性質和電子戰的保密性質，這具有挑戰性。定義、開發、評估和部署新方法和技術是一個復雜的過程。隨著威脅的不斷發展，用戶需要更快地獲得新系統，而測試和評估流程不能阻礙這一進程。軟件定義的測試系統對于在保持系統能力和性能敏感性的同時滿足速度要求至關重要。

對更多實驗室測試的需求也在推動軟件定義測試系統的發展。Nelson 說："我們看到的一個具體要求是，能夠在實驗室中以現實的方式進行更多測試，而無需面對固定和鎖定測試系統的挑戰。在公開范圍測試之前，測試的次數越多，新方法或新技術獲得最終用戶信任的信心就越大。共享數據和證明能力與開發能力本身同樣重要。"

雷達/預警要求

跨越多個領域的復雜對抗性威脅對雷達和預警系統的性能提出了更高的要求，從而給測試系統設計人員帶來了更大的壓力，要求他們提供準確、高效的解決方案。

"總體而言，趨勢是不斷提高測量精度和降低相位噪聲，"Fountain 說。"精度和相位噪聲直接關系到描述雷達性能的能力。在電子戰方面，我們看到，在擁擠和有爭議的作戰環境的推動下，高度復雜的電磁場景正朝著更高保真模擬的方向發展。"

雷達和預警系統的數字架構要求和現代化努力也要求測試系統具有多功能性。

NI 的 Twaits 說："從高層次上講，測試和評估的要求是由采用現代數字架構驅動的，這些架構要求在單個系統中進行功能、參數和系統級測試，以及分割數字和射頻系統以進行獨立測試的方法。"此外，許多傳統雷達和預警系統正在進行現代化改造，而傳統的測試平臺靈活性太差，無法滿足新系統功能的測試要求。現代化不會帶來無限的測試預算。新系統和升級要不斷平衡預算和時間交付壓力所帶來的限制，而適應不斷變化的要求本身就是一種要求"。

帶寬需求也對測試系統提出了更高的要求。"從技術上講，在電磁頻譜戰（EMSO）領域，實戰系統正朝著更寬的帶寬、更高的頻率、更大的頻率靈活性和更強的抗威脅能力方向發展。因此，[測試和測量]設備必須能夠生成和分析具有適當規格的波形，快速調整，并創建逼真的場景，在接近真實的運行條件下對被測設備施加壓力。"

測試系統還能在系統部署前的設計過程中盡早發現缺陷，從而降低長期生命周期成本。

Twaits說："按時、按預算交付的一個關鍵方面是制定測試策略，以便在設計過程中及早發現缺陷。露天靶場測試成本高昂，對于測試早期設計既不可行也不實際。例如，在雷達測試中，客戶正在尋找硬件在環系統，該系統可將真實目標注入到正在測試的雷達系統中。這使他們能夠盡早、頻繁地測試系統，盡早消除問題，并針對各種情況對雷達進行評估"。

NI 提供的雷達目標生成 (RTG) 軟件使客戶能夠將 PXI 射頻矢量信號收發器 (VST) 作為閉環實時雷達目標生成器來操作。它為工程師提供了一個單一模塊，既可作為標準雷達參數測量設備，也可作為 RTG，具有很強的能力和靈活性，適合最終用戶的調整。通過完全開放的列表模式，用戶可以定義多達 1000 萬個測試目標，以硬件速度進行排序，從而以在露天靶場上無法實現的方式刺激雷達。

電子戰系統的作用是對抗和探測復雜的敵對威脅，而測試系統的作用則是使作戰人員不僅能高效而且能安全地利用這些系統。

Patschke 指出："EW 測試的核心是確保人員和設備都做好應對各種電磁威脅的準備，從而保證部隊的安全。隨著 EW 測試環境越來越先進，客戶需要生成盡可能逼真的模擬。要做到這一點，就必須生成能模擬現實條件的高保真動態場景。過去，這需要大量的設備，而這些設備在使用中往往缺乏通用性。現在，客戶不僅希望他們的設備具有更高水平的能力，如更寬的帶寬和更多的輸出端口，而且還希望它能以更緊湊的尺寸提供更大的靈活性。Keysight 推出了包括最新 M9484C 矢量信號發生器在內的可擴展、開放式架構 EW 測試和評估產品組合，滿足了客戶的這些期望。"(圖 2）

[圖2 ? Keysight 的 M9484C 矢量信號發生器是一個四端口信號源，還能產生脈沖對脈沖輸出。這種單一信號發生器能夠取代四個老式信號源]。

Fountain 對發展趨勢的最后評論是："人們希望從露天靶場測試轉向封閉實驗室，這主要是由于露天測試的復雜性、成本以及測試產生的射頻輻射可能被不受歡迎的聽眾截獲"。

開放架構/MOSA 計劃

Fountain 說，在測試和測量層面，他并沒有看到這些計劃有多少活動。"測量系統在操作層面有一些利基應用，模塊化架構（如 MOSA[模塊化開放系統方法]和 SOSA[傳感器開放系統架構]）的優勢和附加成本將適用于這些應用，但在大多數情況下，測試和測量設備是在實驗室中，需要一個可控的環境來提供高度的測量精度。"

Nelson說："從許多方面來看，SOSA等標準架構在嵌入式設計中采用的理念與NI在模塊化PXI平臺測試和測量設計中采用的理念非常相似：制造模塊化、靈活和可互操作的系統。模塊化開放式架構的這三個目標是未來軍用嵌入式系統取得成功的關鍵，使系統能夠在今天設計，并在明天進行低成本升級。NI 的測試和測量方法與這一目標不謀而合。擁有模塊化、可擴展、靈活和可升級的嵌入式系統意味著測試系統也必須是模塊化、可擴展、靈活和可升級的，以適應不斷變化的要求、能力和接口。我們相信，與開放式架構計劃的模塊化方向一致的模塊化測試系統將有助于實現這一新嵌入式系統理念的承諾。"

Keysight 的 Patschke 說："投資新產品的客戶希望確保其傳統設備和系統能夠與升級后的平臺協同運行。"這不僅是一項節約成本的措施，而且還能通過延長舊產品的使用壽命來減少浪費，同時使整個系統保持最新狀態。開放式架構平臺將可持續發展作為優先事項，同時又不犧牲升級能力。Keysight 在設計下一代系統時非常重視開放式架構的實施。"

展望未來

人工智能和軟件定義的測試系統正在為現在以及未來的雷達和 EW 測試系統的更多能力鋪平道路，例如軟件定義雷達、頻譜共享、數字孿生等領域。

Patschke說："未來美國國防部（DoD）客戶的系統測試可能發展的一個途徑就是數字孿生技術的進步。"這些系統利用基于模型的系統工程（MBSE）方法生成數字化的真實測試場景，這些場景通常會考慮到外部變量，而以前的虛擬測試方法無法做到這一點。理論上，'數字孿生'概念可以將大多數（如果不是全部）物理系統工程活動轉換為虛擬活動。在進行物理測試不切實際、真實世界的效果難以再現的情況下，"數字孿生 "有可能增加廣泛的價值。隨著客戶尋求更可靠、更具成本效益的測試手段，數字孿生選擇可能會變得更具吸引力。

Fountain 說，未來幾年有四個關鍵領域將推動測試和測量技術的發展：

• 頻譜共享： 頻譜帶正被重新部署到 CBRS（無線網絡）等商業應用中，這就要求進行更全面、更精確的共存測試。
• 軟件定義雷達： 從模擬脈沖雷達到全數字調制雷達（每個脈沖都可以調制）的轉變已經實現了雷達與合作資產之間的通信。但這不僅僅是雷達和通信，還包括 EW，包括 EP 和 EA，以及集成到單一平臺的[軍事通信]。
• 量子傳感和量子雷達仍處于早期階段，但如果這些技術能在 "實戰 "中發揮作用，它們將改變沖突的根本結構。
• 從傳統的基于脈沖描述符字（PDW）的環境生成轉向基于高保真同相（IQ）的系統，這推動了對更高帶寬射頻生成能力的需求。

雷達和預警系統對靈活性和多功能性的需求也成為測試和測量需求的一個特點。

"納爾遜說："我們已經看到許多要求測試系統像瑞士軍刀一樣的需求：客戶希望測試設備能在單一系統中完成所有功能。

"我們經常收到這樣的請求：要求配置的系統在進行雷達目標生成等系統級測試的同時，還能進行參數測試，并能進行射頻記錄和回放。這些要求結合在一起，就很難在保持可接受的尺寸、重量和功率的同時，以具有成本效益的方式完成測試。只有采用模塊化系統，在封閉的特定功能與使用開放軟件擴展功能之間取得平衡，才能做到這一點。我們看到的趨勢是，現代測試系統必須像它們所測試的系統一樣具有多功能。

人工智能（AI）是一項具有廣泛用途的新興技術。《美國防戰略》強調了人工智能對軍事行動的重要性，以使美國保持對其近似競爭對手的優勢。為了充分實現這一優勢，不僅要在戰術層面，而且要在戰爭的作戰層面整合人工智能。人工智能可以最有效地融入作戰計劃的復雜任務，方法是將其細分為其組成部分的作戰功能，這些功能可以由狹義的人工智能來處理。這種組織方式將問題減少到可以由人工智能解析的規模，并保持人類對機器支持的決策的監督。

引言

人工智能是一套新興的、變革性的工具，有可能幫助軍事決策者。美國國家戰略將人工智能（AI）納入戰爭。《2020年國防授權法》11次提到了人工智能。國防戰略強調了利用人工智能和機器學習方面的商業突破的重要性。人工智能的軍事用途是保留國家安全的一個引人注目的方式。創造工具來支持戰術行動，如摧毀敵軍和從一個點導航到另一個點，具有顯著和可見的效果，使他們在資源有限的環境中在政治上可以接受。它們在訓練和測試方面的可重復性，使它們在采購過程中成為人工智能系統的快速贏家。然而，戰術行動的范圍和時間是有限的。僅在戰術層面上整合人工智能，忽視了在作戰層面上發生的決定性影響。

作戰，也就是實踐者將戰術行動轉化為戰略效果的層面，取決于領導者做出正確決策的能力。聯合部隊海事部分指揮官（JFMCC）的艱巨任務是制定計劃，將戰區戰略和聯合部隊指揮官（JFC）的目標結合起來，通過決定性的海軍交戰來塑造環境。在人工智能的快速認知能力的幫助下，JFMCC將能夠制定并更徹底地分析行動方案（COA）。這些品質對于未來的沖突是必要的。

人工智能必須在戰爭的各個層面進行整體集成，以充分實現其優勢。除了局部的、短期的戰斗，它還需要應用于主要的行動和戰役，涉及整個戰區的數月或數年。在戰爭的戰役（作戰）層面上的實施，放大了為實現戰略目標而進行的有序交戰和同步行動之間的協同作用。除了技術發展之外，行動上的整合將刺激政策和理論的建立，以使作戰人員有意愿使用人工智能。隨著使用人工智能的經驗的增加，其采用率也會增加。為協助海軍作戰計劃而實施的特定人工智能技術可能與那些用于計算射擊方案或在被拒絕的淺灘水域規劃路線的技術不同。然而，在作戰層面的接受度將推動戰術上的使用。

在JFMCC層面，人工智能系統網絡將為決策者提供決定性的優勢，將專注于作戰功能的獨立的人工狹義智能（ANI）單位統一起來將實現最顯著的好處。首先，人工智能解決方案比它們的通用人工智能（AGI）同行更適合于軍事問題的解決。其次，戰爭的性質促使有必要在作戰層面上整合人工智能。最后，雖然有許多方法可以整合，但沿著功能線這樣做會帶來最顯著的好處。不僅在技術意義上吸收人工智能，而且描述其在政策、理論和培訓中的使用，將使海軍能夠充分使用它，并在與我們的戰略競爭對手的競爭中獲得優勢。

如何在海戰領域整合人工智能？

目前人工智能在海上行動中的最佳應用是將復雜的海上行動問題分解成子問題，由人工智能來解決，并組合成COA建議。解決小問題的人工智能需要更少的訓練數據，有更直接的邏輯，并且可以連鎖起來解決更重要的問題。麻省理工學院人工智能實驗室前主任羅德尼-布魯克斯（Rodney Brooks）認為，創建動態環境的符號表示是困難的或不可能的。然而，特定任務的智能體可以利用足夠的傳感器數據智能地行動，更重要的是，可以連貫地互動。通過將簡單的活動連鎖起來，失敗的風險很低，更復雜的問題就可以得到解決。多個簡單的行動可以在低認知層平行運行，并將其輸出結合起來，為更高層次的復雜活動提供支持。這種結構的優點是允許軍事工程師開發和訓練人工智能，以首先解決可操作的問題。對人工智能開發者來說更具挑戰性的功能可以保留只由人類決定的方法，直到他們產生解決這些問題的專業知識。與其等待一個完整的系統，部分系統將提供一個臨時的邊際優勢。

鑒于人工智能可以通過將問題分解成更小的決策來最好地解決問題，問題仍然是如何劃分這些問題。重述作戰任務的一個模式是將它們分成作戰功能：指揮和控制（C2）、通信、情報、火力、運動和機動、保護和維持。這些作戰功能為開展有效行動提供了基礎。它們為一個行動提供了采用手段實現其目的的方法。因此，與決定如何實施這些功能以實現目標的決策者一起使用人工智能是很自然的。

如同應用于海上作戰戰爭，最低層的決策支持系統將由感知環境的活動組成：探測艦艇、飛機和潛艇；燃料水平；天氣；以及其他客觀的戰斗空間數據。通過將外部輸入限制在特定的、低層次的任務上，該系統將最大限度地減少對抗性例子或旨在消極操縱自動系統的數據的風險。中間層將把下層的輸出與作戰目標和因素結合起來，如時間、空間和力量的限制，以提供解決問題的方法和作戰功能。由于上層的對抗性數據注入的威脅較小，這些系統可以使用深度學習。深度學習是機器學習的一個子集，它不像其他形式那樣需要高度格式化的數據，但計算成本會更高，而且容易受到欺騙。深度學習將增加這一層的人類互動，并暴露出更復雜的關系。最高層將把C2流程應用于其他六個業務功能，以產生業務建議。中間層的每個功能人工智能將向其他功能人工智能和最高C2層提供建議。中間層的人工智能對復雜的數據和相鄰單位及C2功能的建議進行理解。

如果將中間層人工智能納入規劃和指導、收集、處理、分析和傳播的情報周期，將促進收集資產的更好分配。判斷對有限的收集資產的請求以滿足行動和戰術信息需求是JFMCC關注的一個問題。在收集計劃期間，人工智能可以使用已知的對手軌跡、地點、個人和組織來定義和優先考慮指定的利益區域（NAI）。在執行過程中，人工智能可以根據優先級驅動收集路線，就像企業用它來規劃送貨路線以減少勞動力、燃料和維護成本一樣。采集計劃者可以通過增加對手監視點的位置和范圍來減少反偵查的風險。在C2層面，指揮官和情報官員可以利用收集成果來證明更多的JFMCC收集資產和COA的修改。這種方法適用于其他功能。

人工智能可以在部隊部署不斷變化和對手存在不確定的環境中改善維持能力。相互沖突的要求使如何使用有限的后勤資產來滿足作戰人員的需求的決策變得復雜。后勤單位較低的生存能力促使人們決定是將它們帶入被對手防御系統拒絕的區域，還是將戰斗飛船引離目標。人工智能可以利用軍事和民用運輸的可用性、預先部署的庫存和供應商的響應能力來制定船舶和飛機需求的解決方案。企業利用人工智能準確預測需求，并分辨出影響運輸和倉儲的采購模式。維持型人工智能可以使用這個過程的一個變種，來計劃在高級后勤支持站點（ALSS）或前方后勤站點（FLS）的材料堆放。它可以決定如何以及何時使用穿梭船和站立船來運送到攻擊組。機器學習將使用燃料、食品和武器庫存、威脅環、戰備水平和維修時間來訓練維持人工智能。維持型人工智能可以提供比人類單獨完成的更有效的量化解決方案，并將其反饋給其他功能區和C2高層。

C2層將對來自下層的決定進行仲裁，并提供一個統一的建議。就像一個軍事組織的指揮官一樣，它將把其副手AI的建議合并起來。人工智能過程的早期階段使用傳感器數據和其他客觀信息來確定指揮官的方向；決定行動方案需要建立對戰斗空間的理解，這是一種更高層次的欣賞。戰斗空間的可變性和模糊性將使這一層的人工智能元素最難開發。最終，該系統將作為一個可信的智能體，壓縮指揮官負責的信息量。壓縮的信息減輕了時間有限的決策者工作時的疑慮負擔，使她能夠向下屬單位發出更及時的命令。

圖1說明了基于這些原則的系統的擬議架構。以對手預測為例，許多單一用途的ANI將在最低層結合原始傳感器和單位報告數據。它將評估敵方單位的最可能位置。公司分析評論、社交媒體和論壇發帖的情緒，以確定產品的滿意度。同樣地，這個系統將通過公開的言論和秘密的報告來確定對手的意圖。它將評估當前和歷史天氣模式，以評估氣候對敵人行動的影響。這三個輸入和其他信息將被功能情報ANI用來形成對敵方COA的評估。同樣，火力節點將使用敵人的組成、JFC的優先級和預測的彈藥可用性來產生目標指導。中間層節點將橫向傳遞他們的評估，以完善鄰近的建議，如部隊保護水平。獨立的功能建議也將直接反饋給C2層，以創建整體行動方案。

圖1. 海上人工智能系統的擬議架構

建議

首先，利用聯合人工智能資源的優勢，針對海軍的具體問題修改標準組件。擅長開發軍事人工智能系統的工程師的稀缺性將限制新系統的開發。美國防部的人工智能戰略具體規定了建立通用的工具、框架和標準，以便進行分散的開發和實驗。使用這些現成的組件，為人工智能決策網的所有子系統創建低級別的系統和標準接口。將海軍的資源集中于采購和實施用于海事具體決策的中層和高層系統。避免技術上令人著迷但無效的解決方案，并通過將職能領域的專家與設計團隊相結合來保持解決海事問題的目標。

第二，創建并維護可通過機器學習攝入的作戰數據數據庫，以訓練海軍人工智能。實施能夠在海上作戰中心（MOC）讀取和集中匯總基本作戰數據報告的技術和工藝，如燃料狀態、導彈裝載量。開發記錄和定性評分作戰決策結果的方法，如對手態勢的變化、傷亡修復率和公眾對行動的反應。將輸入與作戰決策和結果聯系起來的數據庫將加速開發符合現實世界標準的系統。

第三，將人工智能的使用納入政策和條令。條令應該編纂人工智能可以被整合到戰爭戰役層面決策中的領域。明確地說，關于情報、行動、火力、后勤、規劃和通信的海軍作戰出版物應說明人工智能在決策過程中產生優勢的地方和方式。描述海上聯合行動的聯合出版物應明確說明如何將JFC的要求解析為JFMCC的AI系統。如果國防部和海軍的政策對指揮官因整合人工智能的決策建議而產生的責任量進行了定性，那么他們在使用人工智能時就可以采取經過計算的風險。讓指揮官和作戰人員掌握使用人工智能的戰術、技術和程序將加速其在艦隊中的應用。